Расчет и оптимизация транспортных систем с использованием моделей : теоретические основы, методология

• Автор: Александров, Александр Эрнстович
• Шифр специальности: 05.22.08
• Научная степень: Докторская
• Год защиты: 2008
• Место защиты: Екатеринбург
• Количество страниц: 285 с. : ил.

ОГЛАВЛЕНИЕ
Введение

Глава 1. Развитие методов расчета транспортных систем.

1.1. Моделирование как метод исследования

1.2. Разви тие методов расчета на железнодорожном транспорте. Пропускная и перерабатывающая способность станций

1.3. Сравнительная характеристика различных методов расчета транспортных

систем.

Выводы к главе 1

Глава 2. Построение теоретической модели транспортной системы.

2.1. Понятие теоретической модели и ее функции

2.2. Теоретическая модель взаимодействие элементов в транспортной системе

2.3. Теоретическая модель взаимодействие подсистем
2.4 Теоретическая модель управление в транспортной системе
2.5. Теоретическая модель взаимодействие структуры и потоков
Выводы к главе 2
Глава 3. Выбор моделей по свойствам объектов и задачам моделирования.
3.1. Укрупннная классификация свойств транспортных систем и моделей
3.2. Выбор метода моделирования в зависимости от свойств объекта и
решаемой задачи.
Выводы к главе 3
Глава 4. Расчет и оптимизация транспортных систем методом имитационного моделирования.
4.1. Понятие имитационной модели
4.2. Построение имитационной системы па примере системы ИСТРА
4.3. Представление объекта в имитационно системе. Отображение структуры.
4.4. Оптимизация на имитационных моделях.
Выводы к главе 4.
Глава 5. Модели оптимизации но минимуму транспортных расходов.
5.1. Задачи оптимизации
5.2. Динамическая транспортная задача с задержками.
5.3. Динамическая транспортная задача с управляемыми задержками
5.4. Многопродуктовая динамическая транспортная задача с задержками
Выводы к главе 5.
Глава 6. Модели оптимизации по минимуму производственнотранспортных расходов
6.1. Решаемые задачи и формирование критерия.
6.2. Учет ущерба от недопоставок в динамических моделях оптимизации
6.3. Характер потерь на стыке транспорт потребитель при случайном разбросе в параметрах.
6.4. Динамическая транспортная задача в стохастической постановке
6.5. Метод динамического согласования производства и транспорта.
Выводы по главе 6
Глава 7. Двухуровневые системы оптимизации
7.1. Задачи и области применения двухуровневых систем оптимизации
7.2. Двухуровневые системы оптимизации технологии
7.3. Двухуровневые системы оптимизации структуры.
Выводы к главе 7.
Глава 8. Автоматизация построения моделей.
8.1. Задачи автоматизации
8.2. Автоматизированное построение потоковой модели
8.3. Автоматизированное построение имитационной модели.
Выводы к главе 8.
Глава 9. Информационное обеспечение и надежность систем расчета и
оптимизации
9.1. Информационное обеспечение моделей из баз данных
9.2. Информационное обеспечение систем расчета и оптимизации из
информационного хранил ища.
9.3. Надежность систем расчета и оптимизации.
Выводы к главе 9
Глава . Примеры расчета и оптимизации транспортных систем с использованием моделей
.1. Расчет припортовой станции на имитационной модели.
.2. Автоматизированное управление потоками порожняка
.3. Система управления поездообразованием.
.4. Организация согласованной доставки массовых грузов
Выводы к главе .
Заключение
Список литературы


Как видим, здесь не учитывается уровень загрузки горки, от которого прямо зависит величина очереди составов, а, значит, и число резервных путей. Не отображается взаимодействие случайных процессов, ибо ^зан величина постоянная. Кроме того, отображение неравномерности прибытия составов в виде некоторого коэффициента (неравномерности) — это весьма грубый подход, чреватый большими погрешностями. Аналитический вероятностный. Расчет по формулам теории массового обслуживания. Собственно рассчитывается число резервных путей, а технологические берутся по числу бригад с учетом коэффициента загрузки. Расчетных формул великое множество. Суть их сводится к следующему. Математическое ожидание очереди и ее среднеквадратическое отклонение определяют число резервных путей. О'обр - среднеквадратическое отклонение времени обработки. Явно видно, что здесь нельзя учесть сложную схему путевого развития. Есть еще один, очень существенный недостаток - не отображается управление. Поэтому число путей, как правило, завышено, даже в 2,0 и больше раза. Приведем пример. В стандартных условиях, маневровый диспетчер выбирает очередной состав для роспуска по наличию замыкающей группы. Но при всплеске прибытия он выбирает составы с наименьшим временем роспуска. Тем самым управление уменьшает потребность в резервных путях. Таким образом, время обработки колеблется, но не совсем случайно. Управление же в узле значительно масштабнее, чем на отдельной станции. Неучет его приводит к неправильным расчетам. Им шпациопное мод ел про ван не. Свободно от перечисленных недостатков. Модель сразу показывает «узкие места» и как бы подсказывает решения по корректировке структуры. В исследованиях транспортных систем имеется определенный опыт применения имитационного моделирования. Первую модель для железнодорожного транспорта предложили профессора В. А. Персианов и Н. С. Усков [ ]. Строились узко специализированные модели, где структура системы и технология были зафиксированы в алгоритмах, был опыт применения и стандартных алгоритмических языков (например, ОРББ). По-видимому, для оптимизации структуры и технологии транспортных узлов обе крайности мало перспективны. Более приемлемы имитационные системы, которые ориентированы на моделирование транспортных систем, но инвариантны к конкретной структуре и технологии. Последние задаются в исходной информации. Под имитационной системой понимается упорядоченный комплекс алгоритмов, программ, формальных и неформальных процедур, позволяющий создавать имитационные модели на ЭВМ и использовать их для решения конкретных задач. Впервые реализовал этот подход профессор П. А. Козлов []. Создание имитационных систем знаменует собой новый этап в использовании имитационного моделирования. Проводимые исследования практики применения различных методов показали, что «имитационное моделирование» является одним из наиболее широко распространенных количественных методов в решении проблем управления [6]. Преобладающее использование имитационного моделирования объясняется тем, что оно позволяет создавать модели на основе частично формализованных, экспертных знаний, а доля таких знаний в области транспортных систем остается довольно значительной. Правда, при этом приходится затрачивать много времени и труда на процесс создания модели, который во многом уникален из-за отсутствия универсальных методик и правил. Таким образом, имитационное моделирование по сравнению с другими методами способно наиболее полно отображать сложные транспортные системы. По мере развития характеристик используемой при имитационном моделировании вычислительной техники появилась возможность реализовать модели весьма большой сложности. Оптимизация параметров транспортных систем производилась, как правило, проведением ряда экспериментов с использованием того или иного метода. В качестве метода строгой оптимизации использовалась, да и то лишь в научных исследованиях транспортная задача линейного программирования. Ряд динамических потоковых моделей оптимизации предложил профессор П. А. Козлов []. Длительное время работы в области моделирования почти не проводились. В последние годы интерес к ним начинает возрождаться.